Información administrativa
| Título | Arquitectura de datos |
| Duración | 60 |
| Módulo | B |
| Tipo de lección | Sesión interactiva |
| Enfoque | Práctica — IA organizativa |
| Tema | Arquitectura de datos |
Keywords
Arquitectura de datos,Machine Learning pipeline,MLOps,
Objetivos de aprendizaje
- Conocer las arquitecturas de datos básicas en Machine Learning
- Plantear preguntas sobre las arquitecturas de datos más adecuadas
Preparación prevista
Eventos de aprendizaje que se completarán antes
Obligatorio para los estudiantes
- Proceso de análisis de datos
- Modelos de aprendizaje automático
- DevOps
- CI/CD
Opcional para estudiantes
Ninguno.
Referencias y antecedentes para estudiantes
- DevOps
- CI/CD
Recomendado para profesores
Material didáctico
Instrucciones para profesores
Utilice el siguiente esquema:
- Introducción al debate
- ¿Cuáles son las arquitecturas más difusas para ML Systems?
- ¿Qué es una tubería ML típica?
- ¿Qué es el MLOps?
- ¿Cómo es posible automatizar y orquestar una tubería ML?
- ¿Cómo es posible configurar un sistema CI/CD de integración continua/entrega continua para la tubería ML utilizando la nube?
- Preguntas y discusión adicional sobre temas sugeridos por los estudiantes
- Debate
- ¿Cuáles son las características de la arquitectura Tensor Flow eXTended (TFX)?
- ¿Cómo puede Cloud soportar el modelo TFX?
- ¿Cómo es posible automatizar y orquestar la tubería TFX?
- ¿Cómo es posible configurar un sistema CI/CD de integración continua/entrega continua para la tubería TFX?
- Preguntas y discusión adicional sobre temas sugeridos por los estudiantes
- Conclusiones
- Resumiendo y discutiendo los resultados de la lección:
- Características principales de una arquitectura de sistemas ML y de tuberías de ML
- MLOps
- Automatización y orquestación de una tubería ML con referencia al modelo TFX
- Observaciones concluyentes
- Resumiendo y discutiendo los resultados de la lección:
Horario
| Duración (min) | Descripción | Conceptos |
|---|---|---|
| 20 | Introducción al debate | Ml Arquitectura de Sistemas, ML Pipeline |
| 30 | Debate | Ml en ejemplos de producción |
| 10 | Resumen y observaciones concluyentes |
Reconocimientos
El programa de maestría en IA centrada en el ser humano fue cofinanciado por el Mecanismo «Conectar Europa» de la Unión Europea en virtud de la subvención «CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068».